基于西宁探空资料的大到暴雨客观预报方法研究

管琴 李青平 徐亮 李金海 彭英超

（1.青海省气象台，青海 西宁 811000；2.青海省黄南州气象局，青海 同仁 811300）

12小时内的大到暴雨是青海东部农业区的主要气象灾害之一，易引发山洪、泥石流和山体滑坡等，给相关地区工农业生产、交通运输、国防以及人民生命财产安全带来严重损失［1］。因其具有空间尺度小、发展速度快、持续时间短、突发性强、破坏力大等特点，一直被认为是天气预报的难点问题。陶诗言［2］指出，中纬度地区发生短时强降水，需要位势不稳定、充沛的水汽和较强的垂直风切变，充沛的水气供应和适宜的不稳定层结是发生短时强降水的内因，而足够的抬升条件则是短时强降水发生的外因，热力作用决定了对流发展的强度，动力作用则决定了对流发展的类型。在对流发展的环境条件中，层结不稳定是首要条件。

早期，1953年 Showalter［3］提出了沙氏指数（SI），1956年Galway［4］提出了抬升指数（LI），但这两个参数只能表示大气单层的稳定性。因此，1976年Moncrieff等［5］提出了能够表征大气整体结构的对流有效位能（CAPE）。强对流除了上升运动，还有与之配合的下沉运动，为了描述对流发展的下沉运动特征，1994年Einanuel［6］提出了下沉对流有效位能（DCAPE）。在国内，层结稳定性的研究也在早期就受到重视，谢义炳［7］在分析中国夏半年降水天气系统时推广了假相当位温在暴雨和强降水天气分析中的应用。雷雨顺［8-］、寿绍文［10］等国内著名学者都曾将能量方法用于中国暴雨和强对流天气分析及预报中有较好的效果。近年来，表征强对流环境参数的一些动力参数陆续被提出。1986年，Lilly［11-12］引入能表征上升运动螺旋结构特性的螺旋度参数。为了综合考虑热力和动力条件对强对流天气的影响，一些复合因子也不断被提出。常用的有，Miller等［13］提出的强天气威胁指数，Weisman［14］等提出的理查逊数，Hart等［15］提出的能量螺旋度指数等。庞古乾等［16］对比分析珠三角地区前后汛期物理量部分参数的分布特征，获得部分参数的阈值，为做好珠三角地区未来12小时强对流天气预报提供了依据。樊李苗等［17］利用观测站雨量资料和部分探空站探空资料，研究了中国短时强降水、强冰雹、雷暴大风以及混合型强对流天气的环境参数特征，发现短时强降水相比强冰雹、雷暴大风等天气的环境参数，有较小的850-500hPa温差，较高的平衡层高度，较弱的垂直风切变，较大的地面露点温度。

然而，由于青海省探空站点稀疏、资料有限，短时强降水物理环境条件方面系统的研究还比较缺乏。文章将基于西宁探空资料构建12小时内青海东北部农业区的大到暴雨客观预报模型，为提高大到暴雨的灾害性天气预报准确率提供技术支撑。

1 资料来源

文章利用2001-2015年西宁探空观测资料及青海东北部国家基本站的降水观测资料，包括海北东部、西宁、海东、海南北部、黄南北部共计16个测站（测站为 52765、52853、52855、52856、52862、52863、52866、52868、52869、52874、52875、52876、52877、52963、52972、52974），采用的方法均方根阈值法、分明矩阵因子构建法、多元回归等，大到暴雨的降水评定标准包括准确率、空漏报率、命中率。

2 分布结果分析

2.1 12小时大到暴雨的分布特征

文章中将12小时内降水量大于15mm的降水定义为大到暴雨及以上量级。从表1至表3的统计结果上看，12h大到暴雨主要出现在大通、互助、门源一带，以7-8月的夜间降水为主，且多单点的大到暴雨。

表1 大雨的空间分布

表2 大雨时间分布

表3 同一天出现站次分布

2.2 物理量分布

利用2001年4月1日至2015年11月31日的MICAPS接收到的52866的探空数据计算如下物理量：杰弗逊指数（JI）、沙氏指数（SI）、Barber对流不稳定指数（ICC）、对流稳定度指数（BI）、潜在下冲气流指数（MDPI）、整层比湿积分（IQ）、干暖盖指数（Ls）、对流凝结高度（CCL）、对流凝结高度处温度（CCL_T）、风暴强度指数（SSI）、粗理查森数切变(Shr)、风暴相对螺旋度（SRH）等。其中参与拟合的降水量统计08-20时的降水量，20-08时的降水量，分别对应着08时和20时的探空资料，因降水信息取自审核过的A文件，降水资料均存在，而物理量数据来源于MICAPS系统，数据存在缺失，故测站探空站和降水量同时存在的时次共计6809个时次，其中08时有3493个时次，20时有3316个时次。取区域内12h最大的降水量参与同时次的探空资料计算的物理量进行拟合。

由此可见：越大越有利于降水的因子有JI、IQ、CCL、CCL_T；越小越有利于降水的因子有SI、BI、MDPI、Ls；偏大有利于降水的因子有ICC；偏小有利于降水的因子有SSI、Shr、SRH。

3 基于大到暴雨量级的均方根阈值方法

根据不同物理量与降水量散点分布特征，统计均方根及其偏度等特征，给出不同时次的不同物理量的阈值，列表如表4。

表4 不同物理量的阈值

在此阈值的控制下，08时（118个个例）及20时（211个个例）的大雨各预报因子的命中率大约在的概率为：81.36-89.57%，因此设定的阈值有一定的参考意义。

4 客观模型建立

2001年至2008年数据作为训练样本，用于挖掘规则，其中08时1850个数据，20时1826个数据；2009-2015年作为测试样本，用于识别，其中08时1643个数据，20时1490个数据。

4.1 构建决策表

将2001年至2008年训练样本数据表示成决策表，每一日数据表示研究的样本，物理量特征属性作为决策表的条件属性，降水量作为决策表的决策属性，决策属性值划分为三类：N表示12小时降水无或微量，S表示小雨即12小时降水0.1-4.9mm、M表示中雨即12小时降水5-14.9mm、L表示强降水即12小时降水≧15mm的。

4.2 数据离散化

连续属性是不能被粗糙集直接处理的，因此在数据准备阶段应该先对连续属性离散化。文章采用的是等频离散化方法，即将每个特征属性值根据设定的频数k，将测试样本分为k个子区间，每个子区间包含相同的样本数。文章中将各个特征属性值等频分为6段，即将每个特征属性值用5个离散点划分为6个区间，各个特征的6个子区间为：（-∞，离散点1），（离散点1，离散点2），（离散点2，离散点3），（离散点3，离散点4），（离散点4，离散点5），（离散点5，+∞）。它们对应的离散值分别为：0、1、2、3、4、5。例如处理后08时各条件属性的离散点如表5所示。

4.3 决策表简约

化简决策表中的条件属性是决策表约简的重要内容之一，经过化简的决策表和未化简的决策表的功能相当，但却具有比未化简的决策表更少的条件属性，即个例的属性值一样的话应视为同一个对象，但它们的决策属性却不一样，显然为不一致表项，要把其中一个个例删除，以保持决策表的一致，文章中把低降水量级或无降水量级删除。对所有属性构成的集合采用分明矩阵（12个因构成的所有的子集，包括空集在内共计4096个子集）进行约简时，得到如下表格，其中因子下方的1表示该因子参与统计，0表示未参与统计，在进行约简时保留的是大降水。如08时采用分明矩阵约束后降水分级统计结果如表6。

表5 08时的离散点

表6 08时分明矩阵约束后降水分级统计表

4.4 因子选择

项目对所有的组合进行统计，因因子数较多（12个），其中组合方案有4076种，其中有的方案预报准确率不是很高，因此对不同因子数的方案进行挑选，原则是：所有个例中大雨占比较高，即大雨/（大雨+中雨+小雨+无降水）；大雨命中率较高，即一致性检查后的大雨个例与所有的大雨个例。

由此得到不同因子下的最优组合，其中08时有619种，20时449种；同时对比发现无论是08时数据还是20时数据，当采用6个预报因子的时候，就可以包含了所有的大雨个例，同时大雨的命中率高于7-12个因子，这样一来，最优组合08时130种，20时140种。在一致性检查中，因为保留的是大降水的个例，因此1-3个预报因子中，大降水的个例占比比较高，但是相对个例数比较少，其中对于08时数据而言：1-2个因子有6个大雨个例、3个因子有32个大雨个例，而4个因子则个例数达到58个（总共大雨个例65个）；对于20时数据而言：1-2个因子有6个大雨个例、3个因子有34个大雨个例，而4个因子则个例数达到86个（总共大雨个例113个）。因此，08时最优因子方案有70种，20时有64种。

在不同的物理量中，属于层结稳定度类有SI、ICC、JI、Shr、Ls、BI等；属于大气温湿类的有IntegralQ；动力类的有MDPI；热力动力综合类的有SSI、SRH；特殊高度有CCL、CCL_T。结合前面单个因子的统计，即08时预报效果好的依次为JI、IntegralQ、Ls、CCL，20时预报效果好的依次为IntegralQ、Ls、CCL_T、JI，在最优组合中08时选取带JI、IntegralQ、CCL，20时选择IntegralQ、Ls、CCL_T的因子组合。由此得到08时组合方案3种，20时组合方案有6种，如表7。

表7 方案因子选择

4.5 预报模型的构建

每一种方案进行一致性检验后，对其进行拟合构建预报模型，并得到相关阈值，拟合及统计结果如表8。

表8 预报模型统计量

4.6 验证

利用2009-2015年的数据进行验证，采用多元回归预报模型验证结果如表9、表10。

表9 08时统计结果

表10 20时统计结果

由此可见，大部分方案对大雨的命中率在80%以上，在未消空的情况下对大到暴雨的预报准确率在10%左右，构建的模型对大到暴雨的预报有一定的参考意义。

5 预报中的应用

以2015年7-8月的探空数据和EC模式数据为例，统计模式预报的逐3小时的系统性降水和3小时实况累计降水量降水量之间的关系，可以得到如图2、图3。

图2 空报降水量的分布

图3 空报降水次数分布

由此可以得到，模式预报的3小时系统性降水误差0.1mm。考虑12小时的大到暴雨的降水量级和青海短时强降水的标准8mm/h，选择EC模式数据面上最大降水量来做相关抑制，则通过构建的客观预报模型预报出如表11、表12的结果。

表11 客观预报系统08时预报结果

表12 客观预报系统20时预报结果

大雨预报准确率08时最好的是方案1，即40%的准确率；20时各方案大雨准确率一样，均为28.57%，其中考虑无模式降水抑制的情况下方案4-5要优于其他方案。由此可见，构建的预报模型对12h大到暴雨的预报有一定的指示意义。

［1］王江山，李锡福．青海天气气候［M］．北京：气象出版社，2004．

［2］陶诗言．中国之暴雨［M］．北京：科学出版社，1980：1-12．

［3］Showalter,A．K．,A Stability Index for Thunderstorms orecasting［J］．Bull．Amer．Meteor．Soc．,1953,34：250-252．

［4］Galway,J．G．,The Lifted Index as a Predictor of Latent Instability［J］．Bull．Amer．Meteor．Soc．,1956,37：528-529．

［5］Moncrieff,M．W．,and M．J．Miller,The Dynamic and Simulation of Tropical Cumulonimbus and Squall Lines［J］．Quart．J．Roy,MeteoroLSoc．,1976,102：373-394．

［6］Emanuel,K．A．,Atmospheric Convection［M］．New York：Oxford University Press,1994：168-175．

［7］谢义炳．中国夏半年几种降水天气系统的分析研究［J］．气象学报，1956，27：1-24．

［8］雷雨顺，吴宝俊，吴正华．用不稳定能量理论分析和预报夏季强风暴的一种方法［J］．大气科学，1978，12：297-306．

［9］雷雨顺，能量天气学［M］．北京：气象出版社，1986：159．

［10］寿绍文，励中中，姚秀萍．中尺度气象学［M］．北京：气象出版社，2003：228．

［11］Lilly,D．K．,The Structure Energetic and Propagation of Rotating Convective Storms．PartⅠ：Energy Exchange withtheMeanFlow［J］．J．Atmos．Sci．,1986,43：113-125．

［12］Lilly,D．K．,The Structure Energetic and Propagation of Rotating Convective Storms．PartⅡ：Helicity and StormStabilization［J］．J．Atmos．Sci．,1986,43：126-140．

［13］Miller,R．C．,and R．A．Maddox,Use of the SWEAT and SPOT Indexes in Operational Severe Storm Forecasting［C］．7th Conf．on SevereLocal Storm,Amer．Meteor．Soc．,1975：1-6．

［14］Weisman,M．L．The Dependence of Numerically Simulated Convective Storms on Vertical with Shear and Buoyuancy［J］．Mon．Wea．Rev．,1982,110：504-520．

［15］Hart,J．A．,and W．D．Korotky,The SHARP Workstation．A Skew Thodograph Analysis and Research Program for the IBM and Compatible PC．User's manual［C］．NOAA/NWSForecastOffice．Charleston,1991,WV：62．

［16］庞古乾，伍忐方，叶爱芬，等．珠三角地区前汛期强对流潜势预报方法研究［J］．热带气象学报，2012，28：564-568．

［17］樊李苗，俞小鼎．中国短时强对流天气的若干环境参数特征分析［J］．高原气象，2013，32：156-165．